Визуализация сложности модели
Вы уже рассчитали точность модели KNN на обучающей и тестовой выборках при различных значениях n_neighbors — теперь можно построить кривую сложности модели и наглядно увидеть, как изменяется качество по мере того, как модель становится менее сложной!
Переменные neighbors, train_accuracies и test_accuracies, сформированные в предыдущем упражнении, уже загружены для вас. Постройте график, чтобы определить оптимальное количество соседей для вашей модели.
Это упражнение является частью курса
Обучение с учителем с помощью scikit-learn
Инструкции к упражнению
- Добавьте заголовок
"KNN: Varying Number of Neighbors". - Постройте график, где по оси Y — значения метода
.values()дляtrain_accuracies, по оси X —neighbors; укажите метку"Training Accuracy". - Постройте график, где по оси Y — значения метода
.values()дляtest_accuracies, по оси X —neighbors; укажите метку"Testing Accuracy". - Отобразите график.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Add a title
plt.title("____")
# Plot training accuracies
plt.plot(____, ____, label="____")
# Plot test accuracies
plt.plot(____, ____, label="____")
plt.legend()
plt.xlabel("Number of Neighbors")
plt.ylabel("Accuracy")
# Display the plot
____